区镇频道
您当前的位置是:首页>>区镇频道>>正文

听起来很人工智能的Fintech到底智能在哪?

发布时间:2019-10-21  浏览次数:1322   文章來源:www.midg.org

摘要:如果您可以在线购买理财产品,可以称之为“金融科技”。你能称之为金融技术,所以你有一点技术吗?

在P2P平台大量运行后,许多幸存者称自己为“Fintech平台”,以避免怀疑更改其名称。首先,我们必须知道,如果你可以在线购买一些理财产品,你可以称之为“金融科技”,这可以称为金融技术。那么,你怎么能有一点技术呢?

人工智能概念解雇后,金融科技带来了一波节奏。事实上,Fintech + AI是一个很有前途的主张,但有太多假冒的金融科技产品加上假人工智能。

金融科技最喜欢吹嘘的是它自己的风险控制系统:传统的金融风险控制要求职员进行现场调查,客户必须提供大量资产收入证明三次和五次。现在有了人工智能,我们只需要用手指完成所有这些操作。

事实上,帮助他们做这件事的不是人工智能,而是芝麻等信用体系。在这个时代,还有谁能在互联网上留下一些痕迹?数据足够大,可以做很多事情。

大数据如何帮助Fintech实现风险控制?举几个例子,在信用链接中,在用户授权的前提下,爬虫可以捕获用户的信用卡还款数据,电子商务交易数据,各种O2O消费数据.你甚至可以看到你的学习情况网络。哪个学校。如果您是一名小型微型企业家,您还可以查看您的交易数据和所有商业登记信息。这些通常由信用局完成,与Fintech平台无关。

信用局通过收集,共享和分析用户数据完成了所有这些工作。说它有多聪明是有点牵强。

真正的智慧Fintech不仅仅是一个风险控制

那么Fintech + AI究竟能做些什么呢?这显然不仅仅是风控制,而是我们可以从风控开始。

例如,在风险控制的情况下,虽然信用报告机构可以构建一个近乎完美的风控模型,但在消费金融领域,65%的中国人没有信用记录,面对这些人的复杂性分散整个互联网。数据,AI如何帮助Fintech获得信誉?

目前,比较流行的方法是知识地图。知识地图是人工智能概念下的子集之一。它的价值在于理解数据的内在意义,并将之前的“名词搜索”转换为语义搜索,从而在离散数据之间进行转换。建立连接。

应用于财务,知识地图可以将个人信息与绩效记录,社交媒体数据等相关联。例如,如果我们只有客户的姓名和联系信息但没有信用记录,我们可以使用他的通话记录来了解他联系的其他信用记录如何记录信用评级。

当然,这只是Fintech中知识地图的最简单应用。知识地图可以做更多的事情,例如不查看财务报告,而是通过社交媒体新闻分析股票的股票价格趋势。简而言之,在没有个人数据的情况下,知识地图可以使用其他可用数据通过“联想”完成大量分析工作。如果企业足够完善,知识地图几乎可以成为处理无数维度的信用系统。

分析师:你了解我!

除知识地图外,Fintech的深度学习和NLP应用也很常见。例如,通过深度学习中的回归分析来模仿分析师的交易行为,推导出相关交易策略的算法模型,以辅助人类操作。

为了优化处理效果,一些组织开始尝试将非结构化数据引入算法 - 新闻,分析报告,社交媒体舆论等。 NLP技术用于分析和处理算法以增强其在微积分中的逻辑。

最后,这些算法可以通过内部数据和外部环境影响做出决策,就像多年来经营业务的旧财务驱动因素一样。

伦敦,香港,日本等地都有团队。其中,Kensho是一家着名的投资机器人,是一家专注于量化投资的科技公司。通过NLP,图像识别和云计算,它可以快速处理与投资相关的业务。

面对美国大选等黑天鹅事件,分析师只能从他们短暂的经历中总结出方法,但Kensho可以通过总结历史上所有类似事件的影响来给出答案。

经验和直觉,这是金融业不可替代的特点,人工智能通过深入学习迅速复制,华尔街的魔力逐渐消失。

大多数Fintech都是手动的,而不是智能的。

风控和定量分析是人工智能引入金融业的重要环节,一些技术含量低的环节是无法避免的。最简单的,如准备招股说明书,报告和其他文件,可以通过自然语言理解和自然语言生成来处理。生物识别(指纹,虹膜)和设备指纹识别(移动设备的唯一数量)也在信用审批中取代传统的流程模型。

但归根结底,真正使用人工智能的金融科技企业基本上都有强大的“支持”。上述Kensho已被高盛收购,而对冲基金乔水联已经招募人员进行人工智能测试。在家里,Ant Golden Clothes也得到了阿里巴巴的支持。

原因其实很简单。金融业务基础的自动化无处不在。你可以想要取代人类来做更好的工作。您必须依靠强大的数据和良好的计算能力来构建AI,并拥有足够的良好人力资源来监督和优化它。因此,大多数金融从业者并不十分担心自己的工作。

看到这里我们应该明白Fintech真的是一个无法播放的小平台。大多数所谓的Fintech,能够用大数据改进风控模型已经非常好了。正如在某些平台上所提到的,推荐基于大数据的合适产品以获得客户智能,降低违约概率,或者结果是好的,但基本上是大数据+人为判断的结果。

“大数据+人=X”根本不是智能,“大数据 - 人=X”是智能。